跳到主要内容

持久化

Spring AI Alibaba Graph 具有内置的持久化层，通过检查点（Checkpointers）实现。当您使用检查点编译图时，检查点会在每个超级步骤（super-step）保存图状态的检查点。这些检查点保存到一个会话（thread）中，可以在图执行后访问。

由于会话允许在执行后访问图的状态，因此几个强大的功能都成为可能，包括人在回路中（human-in-the-loop）、内存、时间旅行和容错能力。下面，我们将详细讨论这些概念。

会话​

会话是分配给检查点器保存的每个检查点的唯一 ID 或会话标识符。它包含一系列运行的累积状态。当执行运行时，图的底层状态将被持久化到会话。

当使用检查点调用图时，您必须在配置的 RunnableConfig 中指定一个 threadId。

指定 threadId查看完整代码
RunnableConfig config = RunnableConfig.builder()
  .threadId("1")
  .build();

可以检索会话的当前和历史状态。要持久化状态，必须在执行运行之前创建会话。

检查点（Checkpoints）​

会话在特定时间点的状态称为检查点。检查点是在每个超级步骤保存的图状态快照，由 StateSnapshot 对象表示，具有以下关键属性：

  • config: 与此检查点关联的配置。
  • metadata: 与此检查点关联的元数据。
  • values: 此时状态通道的值。
  • next: 图中下一个要执行的节点名称元组。
  • tasks: 包含有关下一个要执行的任务的信息的 PregelTask 对象元组。

检查点是持久化的，可以用于在稍后的时间恢复会话的状态。

让我们看看当一个简单的图被调用时保存了哪些检查点：

检查点示例查看完整代码
import com.alibaba.cloud.ai.graph.CompileConfig;
import com.alibaba.cloud.ai.graph.CompiledGraph;
import com.alibaba.cloud.ai.graph.KeyStrategy;
import com.alibaba.cloud.ai.graph.KeyStrategyFactory;
import com.alibaba.cloud.ai.graph.RunnableConfig;
import com.alibaba.cloud.ai.graph.StateGraph;
import com.alibaba.cloud.ai.graph.checkpoint.config.SaverConfig;
import com.alibaba.cloud.ai.graph.checkpoint.savers.MemorySaver;
import com.alibaba.cloud.ai.graph.exception.GraphStateException;
import com.alibaba.cloud.ai.graph.state.strategy.AppendStrategy;
import com.alibaba.cloud.ai.graph.state.strategy.ReplaceStrategy;

import java.util.HashMap;
import java.util.List;
import java.util.Map;

import static com.alibaba.cloud.ai.graph.StateGraph.END;
import static com.alibaba.cloud.ai.graph.StateGraph.START;
import static com.alibaba.cloud.ai.graph.action.AsyncNodeAction.node_async;

// 定义状态策略
KeyStrategyFactory keyStrategyFactory = () -> {
  Map<String, KeyStrategy> keyStrategyMap = new HashMap<>();
  keyStrategyMap.put("foo", new ReplaceStrategy());
  keyStrategyMap.put("bar", new AppendStrategy());
  return keyStrategyMap;
};

// 定义节点操作
var nodeA = node_async(state -> {
  return Map.of("foo", "a", "bar", List.of("a"));
});

var nodeB = node_async(state -> {
  return Map.of("foo", "b", "bar", List.of("b"));
});

// 创建图
StateGraph stateGraph = new StateGraph(keyStrategyFactory)
  .addNode("node_a", nodeA)
  .addNode("node_b", nodeB)
  .addEdge(START, "node_a")
  .addEdge("node_a", "node_b")
  .addEdge("node_b", END);

// 配置检查点
SaverConfig saverConfig = SaverConfig.builder()
      .register(new MemorySaver())
  .build();

// 编译图
CompiledGraph graph = stateGraph.compile(
  CompileConfig.builder()
      .saverConfig(saverConfig)
      .build()
);

// 运行图
RunnableConfig config = RunnableConfig.builder()
  .threadId("1")
  .build();

Map<String, Object> input = new HashMap<>();
input.put("foo", "");

graph.invoke(input, config);

运行图后，我们期望看到恰好 4 个检查点：

  • 空检查点，START 作为下一个要执行的节点
  • 带有用户输入 {'foo': '', 'bar': []} 和 node_a 作为下一个要执行的节点的检查点
  • 带有 node_a 的输出 {'foo': 'a', 'bar': ['a']} 和 node_b 作为下一个要执行的节点的检查点
  • 带有 node_b 的输出 {'foo': 'b', 'bar': ['a', 'b']} 且没有下一个要执行的节点的检查点

请注意，bar 通道值包含两个节点的输出，因为我们对 bar 通道使用了追加策略（AppendStrategy）。

获取状态​

当与保存的图状态交互时，您必须指定一个会话标识符。您可以通过调用 graph.getState(config) 来查看图的最新状态。这将返回一个 StateSnapshot 对象，该对象对应于与配置中提供的会话 ID 关联的最新检查点，或者如果提供了检查点 ID，则对应于该会话的检查点。

获取状态查看完整代码
import com.alibaba.cloud.ai.graph.RunnableConfig;
import com.alibaba.cloud.ai.graph.CompiledGraph;
import com.alibaba.cloud.ai.graph.state.StateSnapshot;

// 获取最新的状态快照
RunnableConfig config = RunnableConfig.builder()
  .threadId("1")
  .build();
StateSnapshot stateSnapshot = graph.getState(config);
System.out.println("Current state: " + stateSnapshot.state());
System.out.println("Current node: " + stateSnapshot.node());

// 获取特定 checkpoint_id 的状态快照
RunnableConfig configWithCheckpoint = RunnableConfig.builder()
  .threadId("1")
  .checkPointId("1ef663ba-28fe-6528-8002-5a559208592c")
  .build();

StateSnapshot specificSnapshot = graph.getState(configWithCheckpoint);
System.out.println("Specific checkpoint state: " + specificSnapshot.state());

获取状态历史​

您可以通过调用 graph.getStateHistory(config) 来获取给定会话的图执行的完整历史记录。这将返回与配置中提供的会话 ID 关联的 StateSnapshot 对象列表。重要的是，检查点将按时间顺序排序，最近的检查点/StateSnapshot 在列表的第一个位置。

获取状态历史查看完整代码
import com.alibaba.cloud.ai.graph.RunnableConfig;
import com.alibaba.cloud.ai.graph.CompiledGraph;
import com.alibaba.cloud.ai.graph.state.StateSnapshot;

import java.util.List;

RunnableConfig config = RunnableConfig.builder()
  .threadId("1")
  .build();

List<StateSnapshot> history = (List<StateSnapshot>) graph.getStateHistory(config);
System.out.println("State history:");
for (int i = 0; i < history.size(); i++) {
  StateSnapshot snapshot = history.get(i);
  System.out.printf("Step %d: %s
", i, snapshot.state());
  System.out.printf("  Checkpoint ID: %s
", snapshot.config().checkPointId());
  System.out.printf("  Node: %s
", snapshot.node());
}

重放（Replay）​

也可以重放先前的图执行。如果我们使用 thread_id 和 checkpoint_id 调用图的 invoke 方法，那么我们将重放之前执行的步骤（在对应于 checkpoint_id 的检查点之前），并且只执行检查点之后的步骤。

  • thread_id 是会话的 ID。
  • checkpoint_id 是指会话内特定检查点的标识符。

当调用图时，您必须将这些作为配置的 configurable 部分传递：

重放图执行查看完整代码
import com.alibaba.cloud.ai.graph.RunnableConfig;
import com.alibaba.cloud.ai.graph.CompiledGraph;

// 获取最新的状态快照
RunnableConfig config = RunnableConfig.builder()
  .threadId("1")
  .build();
StateSnapshot stateSnapshot = graph.getState(config);

RunnableConfig replayConfig = RunnableConfig.builder()
  .threadId("1")
   .checkPointId(stateSnapshot.config().checkPointId().orElse(""))
  .build();

graph.invoke(Map.of(), config);
System.out.println("Replay executed");

重要的是，Spring AI Alibaba Graph 知道某个特定步骤是否之前已执行过。如果已执行，框架只是重放图中的该特定步骤，而不重新执行该步骤，但仅适用于提供的 checkpoint_id 之前的步骤。checkpoint_id 之后的所有步骤都将被执行（即新的分支），即使它们之前已被执行。

获取状态​

您可以通过调用 graph.getState(config) 来获取 checkpointer 的状态，配置应包含 thread_id，并将为该会话获取状态。

获取 checkpointer 状态查看完整代码
RunnableConfig config = RunnableConfig.builder().threadId("unique-id-1").build();
graph.stream(Map.of("input", "你好"), config);

// 调用之后，可以在任意位置查看工作流的当前状态（即最后一条 Checkpoint 的位置）
StateSnapshot lastSnapshot = workflow.getState(config);

获取状态历史​

获取状态历史查看完整代码
RunnableConfig config = RunnableConfig.builder().threadId("unique-id-1").build();
Optional<NodeOutput> outputOptional = graph.invoke(inputs, config);

// 查看整个工作流的所有节点执行历史（即会返回所有 Checkpoint 记录）
Collection<StateSnapshot> history = workflow.getStateHistory(config);

您还可以调用 graph.getStateHistory(config) 来获取图的历史记录列表。配置应包含 thread_id，并将为该会话获取状态历史记录。

更新状态​

开发者还可以直接更新状态，使用 graph.updateState(config, values, asNode) 更新它。这可以让图重新执行之前执行过的节点，实现时光机回溯等能力。

更新状态查看完整代码
RunnableConfig config = RunnableConfig.builder().threadId("unique-id-1").build();

var updatedConfig = graph.updateState(config, Map.of("the_key_to", "newValue"), "the-next-node-to-to");
  • 配置应包含指定要更新哪个会话的 thread_id。
  • the-next-node-to-to 可以覆盖当前 Checkpoint 的所在的节点，让图从指定的任何节点开始执行。

注意，updateState 并不会直接覆盖 OverAllState 对应 key 的值，而是会根据具体的 key 的更新策略（AppendStrategy 或 AppendStrategy 等）来决策更新动作，可能是直接覆盖，也可能是附加到列表最后。

以下是一个更新状态的示例，假设您使用以下 schema 定义了图的状态：

定义状态策略查看完整代码
KeyStrategyFactory keyStrategyFactory = () -> {
  Map<String, KeyStrategy> keyStrategyMap = new HashMap<>();
  keyStrategyMap.put("foo", new ReplaceStrategy());  // 替换策略
  keyStrategyMap.put("bar", new AppendStrategy());   // 追加策略
  return keyStrategyMap;
};

现在假设图的当前状态是

{"foo": 1, "bar": ["a"]}

如果您按如下方式更新状态：

更新状态示例查看完整代码
import com.alibaba.cloud.ai.graph.CompiledGraph;
import com.alibaba.cloud.ai.graph.KeyStrategy;
import com.alibaba.cloud.ai.graph.KeyStrategyFactory;
import com.alibaba.cloud.ai.graph.RunnableConfig;
import com.alibaba.cloud.ai.graph.state.strategy.AppendStrategy;
import com.alibaba.cloud.ai.graph.state.strategy.ReplaceStrategy;

import java.util.HashMap;
import java.util.List;
import java.util.Map;

KeyStrategyFactory keyStrategyFactory = () -> {
  Map<String, KeyStrategy> keyStrategyMap = new HashMap<>();
  keyStrategyMap.put("foo", new ReplaceStrategy());  // 替换策略
  keyStrategyMap.put("bar", new AppendStrategy());   // 追加策略
  return keyStrategyMap;
};

RunnableConfig config = RunnableConfig.builder()
      .threadId("1")
      .build();

Map<String, Object> updates = new HashMap<>();
updates.put("foo", 2);
updates.put("bar", List.of("b"));

graph.updateState(config, updates, null);
System.out.println("State updated successfully");

那么图的新状态将是：

{"foo": 2, "bar": ["a", "b"]}

foo 键（通道）被完全更改（因为该通道没有指定归约器，所以 updateState 覆盖它）。但是，为 bar 键指定了归约器（AppendStrategy），因此它将 "b" 追加到 bar 的状态。

检查点器实现​

Spring AI Alibaba 提供了多种检查点器实现：

MemorySaver​

内存检查点器，将检查点保存在内存中：

MemorySaver 配置查看完整代码
import com.alibaba.cloud.ai.graph.checkpoint.savers.MemorySaver;
import com.alibaba.cloud.ai.graph.checkpoint.config.SaverConfig;
import com.alibaba.cloud.ai.graph.checkpoint.constant.SaverConstant;

SaverConfig saverConfig = SaverConfig.builder()
  .register(SaverConstant.MEMORY, new MemorySaver())
  .build();

PostgreSqlSaver​

PostgreSQL 数据库检查点器，详见 PostgreSQL 检查点持久化。

RedisSaver​

Redis 检查点器，将检查点保存到 Redis 中。

通过这些检查点器，您可以实现状态的持久化、人在回路中、时间旅行等强大功能。

MongodbSaver​

MongodbSaver 数据库检查点器

Spring AI Alibaba 开源项目基于 Spring AI 构建，是阿里云通义系列模型及服务在 Java AI 应用开发领域的最佳实践，提供高层次的 AI API 抽象与云原生基础设施集成方案，帮助开发者快速构建 AI 应用。